Leveraging the Red List of Ecosystems for national action on coral reefs through the Kunming-Montreal Global Biodiversity Framework
Notice bibliographique
Résumé
Abstract Countries have committed to conserving and restoring ecosystems after signing the Kunming-Montreal Global Biodiversity Framework (GBF). The IUCN Red List of Ecosystems (RLE) will serve as a headline indicator to track progress of countries towards achieving this goal, and to guide action across the GBF’s targets. Using Kenyan coral reefs, we demonstrate how nations implementing the GBF, can use standardised estimates of ecosystem degradation from RLE assessments to support site-specific management decisions. We undertook a reef-by-reef analysis to evaluate the relative severity of decline of four key ecosystem components over the past 50-years: hard corals, macroalgae, parrotfish and groupers. Using the two benthic indicators, we also calculated standardised estimates of state to identify reef sites which maintain a better condition through time relative to adjacent sites. Over the past 50 years, Kenya’s coral reefs have degraded across all four ecosystem components. At more than half the monitored sites both parrotfish and grouper abundance declined by more than 50%, while coral cover and macroalgae-coral ratio declined by at least 30%. This resulted in a Vulnerable threat status for coral reefs in Kenya based on degradation (under criterion D of the RLE). The temporal trends in coral cover revealed four sites which maintained an above average condition over their monitoring history (15-25 years). The results can guide management actions to contribute to at least nine of the 23 GBF targets. For example, we identified several sites with relatively healthy benthic and fish communities as candidate areas for protection measures under Target 3. We also found that Marine Protected Areas and Locally Managed Marine Areas, which restrict fishing and control gears, had lower declines in groupers compared to unmanaged areas, providing further evidence for their expansion. The RLE has a key role to play in monitoring and meeting the goals and targets of the Global Biodiversity Framework, and our work demonstrates how using the wealth of data within these assessments can inform local-scale ecosystem management and amplify the GBF’s impact.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».